7 Logische Agenten. Die Wumpus-Welt. Sensoren: Die Quadrate um den Wumpus herum stinken (Stench)

Transkript

1 7 Logische Agenten Logische Agenten Logische Agenten / 1 Die Wumpus-Welt Sensoren: Die Quadrate um den Wumpus herum stinken (Stench) In Quadraten um eine Falltür (Pit) herum ist ein Luftzug (Breeze) zu spüren Quadrat mit Gold glitzert (Glitter) Läuft ein Agent gegen eine Wand, nimmt er einen Stoß wahr (Bump) Wird das Wumpus getötet, dann stößt es einen Schrei aus (Scream) Logische Agenten Logische Agenten / 2 1

2 Wahrnehmungen in der Wumpus-Welt Liste mit 5 Symbolen: [Stench, Breeze, Glitter, Bump, Scream] Ausgangssituation: [None, None, None, None, None] Agent kann nach (2,1) oder (1,2) gehen, beide Felder sind sicher Logische Agenten Logische Agenten / 3 Agent startet in Feld (1,1) Felder (2,1) und (1,2) sind sicher. A. geht nach (2,1) Wahrnehmung hier: [None, Breeze, None, None, None] Logische Agenten Logische Agenten / 4 2

3 1. Zug: Agent geht nach (2,1) Logische Agenten Logische Agenten / 5 3. Zug: Agent geht nach (1,2) Logische Agenten Logische Agenten / 6 3

4 5. Zug: Agent geht nach (2,3) In jedem Fall, wo der Agent einen Schluss aus verfügbarer Information zieht, ist dieser Schluss garantiert korrekt, wenn die verfügbare Information korrekt ist Logische Agenten Logische Agenten / 7 Wahrheit in einer Welt A 1 : Das Wumpusfeld liegt neben einem Goldfeld A 2 : Jedes Luftzugfeld liegt neben einer Falle Logische Agenten Logische Agenten / 8 4

5 Wahrheit Die Sprache der Logik hat eine Semantik. Bsp.: Semantik arithmetischer Ausdrücke - x+y = 4 ist wahr, wenn x = 2 und y=2 - falsch, wenn x=1 und y=1 Die Semantik der Sprache der Logik definiert den Wahrheitsgehalt im Hinblick auf jede mögliche Welt (mögliche Welt = Modell). Sprechweise m ist ein Modell von bedeutet der Satz ist im Modell m wahr Modelle sind mathematische Abstraktionen, die festlegen, ob ein relevanter Satz wahr oder falsch ist Logische Agenten Logische Agenten / 9 Wahrheit und Logische Konsequenz Logische Konsequenz (entailment) zwischen Sätzen: ein Satz folgt logisch aus einem anderen Schreibweise: = = gilt genau dann, wenn in jedem Modell, in dem wahr ist, auch wahr ist. Für die Wissensbasis KB erhalten wir - KB = - ist aus der Wissensbasis KB folgerbar (ableitbar) Formale Definition - KB =, dann und nur dann, wenn in jedem Modell, in dem KB wahr ist auch wahr ist Logische Agenten Logische Agenten / 10 5

6 Beispiel in Wumpus Welt Situation Agent hat in (1,1) nichts erkannt, aber in (2,1) einen Luftzug wahrgenommen. Diese Wahrnehmungen, zusammen mit dem Wissen des Agenten über die Regeln der Wumpuswelt bilden die Wissensbasis (KB). Der Agent will wissen, ob die benachbarten Quadrate (1,2), (2,2) und (3,2) eine Falltür enthalten; daher gibt es 2 3 =8 mögliche Modelle für das Vorhandensein von Falltüren Logische Agenten Logische Agenten / 11 Wahre u. falsche Modelle der Wissensbasis Beobachtungen: nichts in (1,1) Luftzug in (2,1) Logische Agenten Logische Agenten / 12 6

7 Wahre Modelle bei keine Falltür in (1,2) Beobachtungen: - nichts in (1,1) - Luftzug in (2,1) Logische Agenten Logische Agenten / 13 Wahre Modelle bei keine Falltür in (2,2) Beobachtungen: - nichts in (1,1) - Luftzug in (2,1) Die Wissensbasis ist falsch in den Modellen, die dem widersprechen, was der Agent weiß, z. B. ist die KB falsch in jedem Modell, in dem (1,2) eine Falltür enthält, weil es keinen Luftzug in (1,1) gibt. Es gibt 3 Modelle, in denen die Wissensbasis wahr ist Logische Agenten Logische Agenten / 14 7

8 Beobachtungen 1. In jedem Modell, in dem die Wissensbasis KB wahr ist, ist auch die Schlussfolgerung 1 = Es gibt keine Falltür in (1,2) wahr. Damit ist 1 eine logische Konsequenz der Wissensbasis KB Schreibweise KB = 1 2. In einigen Modellen, in denen die Wissensbasis wahr ist, ist die Schlussfolgerung 2 falsch. Damit ist 2 keine logische Konsequenz von KB, Schreibweise KB = 2. Das bedeutet: Der Agent kann nicht schließen, dass es in (2,2) keine Falltür gibt. (Er kann aber auch nicht schließen, dass es eine Falltür gibt.) Logische Agenten Logische Agenten / 15 Logische Inferenzen Durch die Anwendung der Definition einer logischen Konsequenz können Schlüsse gezogen werden, d.h. logische Inferenzen ausgeführt werden. Ein Inferenz-Algorithmus listet alle Modelle auf, und prüft, ob eine Schluss in allen Modellen der Wissensbasis wahr ist. Wenn ein Inferenz-Algorithmus i den Schluss aus der Wissensbasis KB ableiten kann, dann schreiben wir: KB = i Sprechweisen: wird durch i von KB abgeleitet i leitet von KB ab Logische Agenten Logische Agenten / 16 8

9 Eigenschaften von Inferenz-Algorithmen Korrekt (= wahrheitserhaltend) vollständig jeder folgerbare Satz kann abgeleitet werden Wenn KB in der realen Welt wahr ist, dann ist auch jeder durch einen wahrheitserhaltenden Inferenz- Algorithmus von der KB abgeleitete Satz in der realen Welt wahr Logische Agenten Logische Agenten / 17 Reale Welt und ihre Repräsentation Inferenz-Prozess arbeitet mit der Syntax. Dem entspricht der Prozess der Beziehungen in der realen Welt, dass ein Aspekt der realen Welt aufgrund anderer Aspekte der realen Welt der Fall ist (d.h. zutrifft). Wittgenstein (1920) in Tractatus logicophilosophicus: Die Welt ist alles, was der Fall ist. Sätze Semantik Aspekte der realen Welt hat sie als logische Konsequenz folgt Satz Semantik Aspekte der realen Welt Logische Agenten Logische Agenten / 18 9

10 Syntax der Aussagenlogik If S is a sentence, S is a sentence (negation) If S1 and S2 are sentences, S1 S2 is a sentence (conjunction) If S1 and S2 are sentences, S1 S2 is a sentence (disjunction) If S1 and S2 are sentences, S1 S2 is a sentence (implication) If S1 and S2 are sentences, S1 S2 is a sentence (biconditional) Logische Agenten Logische Agenten / 19 Semantik der Aussagenlogik In der Aussagenlogik legt ein Modell Wahrheitswerte (true oder false) fest E.g. m 1 = { P 1,2 = false, P 2,2 = true, P 3,1 = false } Bei 3 Symbolen gibt es 2 3 = 8 mögliche Modelle, die automatisch generiert werden können (siehe Wumpus-Beispiel) Rules for evaluating truth with respect to a model m: S is true iff S is false S1 S2 is true iff S1 is true and S2 is true S1 S2 is true iff S1is true or S2 is true S1 S2 is true iff S1 is false or S2 is true i.e., is false iff S1 is true and S2 is false S1 S2 is true iff S1 S2 is true and S2 S1 is true Simple recursive process evaluates an arbitrary sentence, e.g., P 1,2 (P 2,2 P 3,1 ) = true (true false) = true true = true Logische Agenten Logische Agenten / 20 10

11 Wahrheitstabelle für log. Verknüpfungen Logische Agenten Logische Agenten / 21 Eine einfache Wissensbasis Wahl des Vokabulars Sei P i,j true, wenn sich in (i,j) eine Falltür befindet Sei B i,j true, wenn auf (i,j) ein Luftzug vorhanden ist Die Wissensbasis enthält folgende Sätze: Es gibt keine Falltür in (1,1) R 1 : P 1,1 Ein Quadrat hat genau dann einen Luftzug, wenn sich auf dem benachbarten Quadrat eine Falltür befindet: R 2 : B 1,1 (P 1,2 P 2,1 ) R 3 : B 2,1 (P 1,1 P 2,2 P 3,1 ) Aufnahme der Luftzugwahrnehmungen der ersten 2 Quadrate: R 4 : B 1,1 R 5 : B 2, Logische Agenten Logische Agenten / 22 11

12 Inferenz Ziel der logischen Inferenz ist, zu entscheiden, ob KB = Ein Algorithmus für die logische Inferenz könnte alle Modelle auflisten und prüfen, ob in jedem Modell wahr ist, in dem auch die Wissensbasis wahr ist. Die relevanten Aussagensymbole in der Wumpuswelt sind hier B 1,1, B 2,1, P 1,1, P 1,2, P 2,2, P 3,1 Bei 7 Symbolen gibt es 2 7 =128 möglich Modelle. In drei davon ist die Wissensbasis KB wahr. In diesen drei Modellen ist P 1,2 wahr, weil sich in [1,2] keine Falltür befindet. P 2,2 ist in zweien dieser drei Modellen wahr und in einem falsch. Also können wir nicht erkennen, ob sich in [2,2] ein Falltür befindet Logische Agenten Logische Agenten / 23 Die Wissensbasis KB, 1 und ihre Wahrheitstafel KB = R 1 : P 1,1 R 2 : B 1,1 (P 1,2 P 2,1 ) 1 = Es gibt keine Falltür in [1,2] R 3 : B 2,1 (P 1,1 P 2,2 P 3,1 ) R 4 : B 1,1 R 5 : B 2,1 Bei 7 Symbolden gibt es 2 7 =128 mögliche Modelle Die KB ist nur in drei Modellen wahr! In diesen ist P 1,2 falsch, Logische Agenten d.h. keine Falltür in [1,2]. Logische Agenten / 24 12

13 Der Inferenzalgorithmus ist korrekt, aber unbrauchbar Da der Inferenz-Algorithmus alle mögliche Modelle aufzählt, müsste er 2 Anzahl der Symbolde viele Modelle generieren, also ist seine Zeitkomplexität O(2 n ). Der Algorithmus ist also für reale Probleme unbrauchbar. Jeder bis heute bekannte Inferenz-Algorithmus für die Aussagenlogik hat im schlechtesten Fall eine Komplexität, die exponentiell zur Eingabegröße ist. (also NP-vollständig) Logische Agenten Logische Agenten / 25 Konzept: Logische Äquivalenz Two sentences are logically equivalent iff true in same models: ß iff and Logische Agenten Logische Agenten / 26 13

14 Konzept: Gültigkeit (validity) Ein Satz ist gültig, wenn er in allen Modellen wahr ist. Beispiel: P P ist gültig Gültige Sätze werden als Tautologien bezeichnet. Sie sind notwendigerweise wahr und damit semantisch ohne Aussagekraft. Aus der Definition der logischen Konsequenz kann das Deduktionstheorem abgeleitet werden: Für alle Sätze und gilt = genau dann, wenn der Satz ( ) gültig ist, d.h. wenn alle Modelle den Satz erfüllen. alle Modelle Implikation (wenn dann ) der Welt = logische Konsequenz, Gültigkeit Logische Agenten Logische Agenten / 27 Konzept: Erfüllbarkeit (satisfiability) Ein Satz ist erfüllbar, wenn er in irgendeinem Modell der Welt wahr ist. Beispiel: die Wissensbasis KB = (R 1, R 2, R 3, R 4, R 5 ) ist erfüllbar, weil es drei Modelle gibt, in denen sie wahr ist. Wenn ein Satz in einem Modell m wahr ist, sagen wir, m erfüllt oder m ist ein Modell für. Die Erfüllbarkeit von Sätzen in der Aussagenlogik, war das erste Problem in der Informatik, das als NPvollständig nachgewiesen wurde Logische Agenten Logische Agenten / 28 14

15 Erfüllbarkeitsprobleme in der Informatik Viele Probleme der Informatik sind Erfüllbarkeitsprobleme. Zum Beispiel sind alle Probleme unter Rand- oder Nebenbedingungen so genannte Constraint Satisfaction Problems (CSP) dadurch gekennzeichnet, dass versucht wird, durch irgendeine Zuweisung an Variablen die Randbedingungen zu erfüllen. Durch geeignete Transformationen können Suchprobleme auch dadurch gelöst werden, indem ihre Erfüllbarkeit geprüft wird Logische Agenten Logische Agenten / 29 Gültigkeit vs. Erfüllbarkeit, Widerspruch Es gilt: Ein Satz in einem Modell m ist gültig genau dann, wenn in der Welt unerfüllbar ist. Es gilt auch der Umkehrschluss: Ein Satz ist genau dann erfüllbar, wenn nicht gültig ist. Praktisches Ergebnis: = genau dann, wenn der Satz ( ) unerfüllbar ist. wichtig für Resolutionsalgorithmus Beweist man aus d.h. man nimmt an, dass gilt, indem man die Unerfüllbarkeit von ( ) überprüft, dann ist das mathematisch gesehen ein Widerspruchsbeweis (reductio ad absurdum) Logische Agenten Logische Agenten / 30 15

16 Inferenzregeln in der Aussagenlogik Bekannteste Regel: Modus Ponens Beispiel, ( WumpusAhead WumpusAlive) Shoot, WumpusAhead WumpusAlive Shoot Weitere Regel: Und-Elimination Die Regeln Modus Ponens und die Und-Elimination sind für alle Modelle (Instanzen in einer Welt) korrekt, d.h. sie erzeugen korrekte Inferenzen, ohne dass Modelle aufgelistet werden müssen. Alle logischen Äquivalenzen können als Inferenzregeln verwendet werden Logische Agenten Logische Agenten / 31 Inferenzregeln in der Wumpuswelt anwenden Betrachte die KB R 1,, R 5 KB = R 1 : P 1,1 R 2 : B 1,1 (P 1,2 P 2,1 ) R 3 : B 2,1 (P 1,1 P 2,2 P 3,1 ) R 4 : B 1,1 R 5 : B 2,1 Beweise: P 1,2, d.h. in Feld [1,2] befindet sich keine Falltür Wende die Bikonditional-Eliminierung auf R 2 an. Es folgt: R 6 : (B 1,1 (P 1,2 P 2,1 )) ((P 1,2 P 2,1 ) B 1,1 Wende die Und-Eliminierung auf R 6 an. Es folgt: R 7 : ((P 1,2 P 2,1 ) B 1,1 ) Logische Agenten Logische Agenten / 32 16

17 Regel R 8 R 10 R 7 : ((P 1,2 P 2,1 ) B 1,1 ) Die logische Äquivalenz für Kontraposition ergibt: R 8 : ( B 1,1 (P 1,2 P 2,1 )) Anwendung des Modus Ponens auf R 8 zusammen mit der Wahrnehmung R 4 (d.h. B 1,1 ) ergibt: R 9 : (P 1,2 P 2,1 )) Die Anwendung der de Morganschen Regel ergibt: R 10 : P 1,2 P 2,1 weder in P 1,2 noch in P 2,1 befindet sich eine Falltür Logische Agenten Logische Agenten / 33 Suche nach Beweisen vs. Auflistung von Modellen Die Suche nach Beweisen ist eine Alternative zur Auflistung von Modellen. Die Suche kann bei der anfänglichen Wissensbasis beginnen und von dort aus vorwärts erfolgen, wobei die Inferenzregeln angewendet werden, um den Zielsatz abzuleiten. Man kann aber auch beim Zielsatz beginnen und von dort aus rückwärts gehen, um zu versuchen eine Kette von Inferenzregeln zu finden, die von der anfänglichen Wissensbasis zum Zielsatz führt. Inferenz ist NP-vollständig!! Logische Agenten Logische Agenten / 34 17

18 Effiziente Inferenz? In bestimmten Fällen kann die Ermittlung eines Beweise jedoch höchst effizient sein, nämlich dann, wenn irrelevante Aussagensymbole ignoriert werden können, und zwar unabhängig davon, wie viele es davon gibt. Der oben gezeigte Beweis, der zu P 1,2 P 2,1 führte erwähnt nicht die Symbole B 2,1, P 1,1 P 2,2 oder P 3,1. Sie können ignoriert werden, weil die Zielaussage P 1,2 nur in Satz R 4 erscheint; die anderen Aussagensymbole erscheinen nur in R 4 und R 2. Die Sätze R 1, R 3 und R 5 haben also für den Beweis keine Bedeutung. Alle Aussagensymbole, die in R 1, R 3 und R 5 vorkommen, können somit ignoriert werden Logische Agenten Logische Agenten / 35 Monotonie Die Eigenschaft logischer Systeme folgt aus einer grundlegenderen Eigenschaft, der Monotonie. Die Monotonie besagt, dass die Menge der folgerbaren Sätze nur dann wachsen kann, wenn der Wissensbasis Informationen hinzugefügt werden. wenn KB = dann KB = Angenommen, die Wissensbasis enthält die zusätzliche Behauptung, die aussagt, dass es in der Welt genau 8 Falltüren gibt. Dieses Wissen könnte dem Agenten helfen, zusätzliche Schlüsse zu ziehen, aber er kann keinen Schluss revidieren, den bereits abgeleitet hat - etwa, dass es in [1,2] keine Falltür gibt Logische Agenten Logische Agenten / 36 18

19 Monotone Logik problematisch für menschliches Schlussfolgern Die Übertragung der monotonen Logik auf das menschliche logische Schließen ist problematisch. Schlussfolgerungen im Alltag habe oft nicht-monotonen Charakter, das bedeutet: Durch später hinzu gefügte Informationen könne frühere Schlussfolgerungen revidiert werden. Zum Beispiel: Wir wissen Tux ist ein Vogel Tux kann fliegen später erfahren wir: Tux ist ein Pinguin Tux kann nicht fliegen Ein solcher Schluss ist in der monotonen Logik nicht möglich, wohl aber in der nicht-monotonen Logik Logische Agenten Logische Agenten / 37 Resolution Bisher gezeigt: Korrektheit der Inferenzregeln Frage: Vollständigkeit von Inferenzalgorithmen Problem: Wenn die verfügbaren Inferenzregeln ungeeignet sind, ist da ziel nicht erreichbar, d.h. es gibt keinen Beweis (für das Ziel), der nur diese Inferenzregeln verwendet. Die Inferenzregel Resolution ergibt einen vollständigen Inferenzalgorithmus, wenn sie mit einem beliebigen vollständigen Suchalgorithmus kombiniert wird Logische Agenten Logische Agenten / 38 19

20 Resolutionsregel in der Wumpuswelt Betrachte die Schritte, die zur folgenden Situation geführt haben: der Agent geht von [2,1] nach [1,1] zurück und dann weiter nach [1,2], wo er einen Gestank S, aber keinen Luftzug B wahrnimmt. Wir fügen dies der Wissensbasis hinzu: R 11 : B 1,2 R 12 : B 1,2 (P 1,1 P 2,2 P 1,3 ) Wie der Beweis von R 10, beweisen wir jetzt das Fehlen von Falltüren in [2,2] und [1,2]: R 13 : P 2,2 R 14 : P 1, Logische Agenten Logische Agenten / 39 Resolution in der Wumpuswelt.. Bikonditional-Eliminierung für R 3, gefolgt von Modus Ponens für R 5 liefert die Tatsache, dass es in [1,1], [2,2] oder [3,1] eine Falltür gibt: R 15 : P 1,1 P 2,2 P 3,1 Erstmalige Anwendung der Resolutionsregel: Das Literal P 2,2 in R 13 wird mit dem Literal P 2,2 in R 15 resolviert: R 16 : P 1,1 P 3,1 R 17 : P 3,1 resolvieren von P 1,1 in R 1 mit dem Literal P 1,1 in R Logische Agenten Logische Agenten / 40 20

21 Einheitsresolution Die Inferenzregel der Einheitsresolution lautet: l 1 l1... l... l, m k i 1 li l wobei jedes l ein Literal ist und l i und m komplementäre Literale sind. Die Einheitsresolutionsregel verwendet eine Klausel eine Disjunktion von Literalen und ein Literal und erzeugt daraus eine neue Klausel. Ein einzelnes Literal heißt auch Einheitsklausel. k Logische Agenten Logische Agenten / 41 Vollständige Resolutionsregel Die Verallgemeinerung der Einheitsresolution führt zur allgemeinen Resolutionsregel: l 1... l l... l, m... m 1 k 1 n i 1 li lk m1... m j 1 m j wobei jedes l i und m j komplementäre Literale sind. Das Literal m j wird mit dem Literal l i resolviert m n Klauseln der Länge 2 schreibt man als Beispiel: P 1,1 P P 3,1, 3,1 P 1,1 P P 2,2 2,2 l 1 l l 2, 1 l 2 l 3 l Logische Agenten Logische Agenten / 42 21

22 Vollständige Inferenz mit Resolution möglich Die Resolution ist die Grundlage für vollständige Inferenzalgorithmen. Jeder vollständige Suchalgorithmus, der die Resolutionsregel anwendet, kann jede Schlussfolgerung ableiten, die Konsequenz einer beliebigen aussagenlogischen Wissensbasis ist. Die Resolution ist Widerlegungsvollständig, d.h. die Resolution kann immer verwendet werden, um einen Satz zu bestätigen oder zu widerlegen, aber sie kann nicht verwendet werden, um wahre Sätze aufzulisten Logische Agenten Logische Agenten / 43 Konjunktive Normalform Jeder Satz der Aussagenlogik ist logisch äquivalent mit einer Konjunktion von Disjunktionen von Literalen. Ein Satz, der als Konjunktion von Disjunktionen von Literalen ausgedrückt wird, befindet sind in der konjunktiven Normalform (KNF) Ein k-knf-satz hat genau k Literale pro Klausel: ( l,1... l1, k )... ( ln,1... ln, 1 k ) Logische Agenten Logische Agenten / 44 22

23 Beispiel: B 1,1 (P 1,2 P 2,1 ) KNF 1. Wir eliminieren, indem wir durch ( ) ( ) ersetzen: (B 1,1 (P 1,2 P 2,1 )) ((P 1,2 P 2,1 ) B 1,1 ) 2. Wir eliminieren, indem wir durch ( ) ersetzen: ( B 1,1 P 1,2 P 2,1 ) ( (P 1,2 P 2,1 ) B 1,1 ) 3. Bei KNF darf nur in Literalen auftreten: wir verschieben nach innen, indem wir wiederholt die Äquivalenzen Elimination der doppelten Negation und de Morgan anwenden: ( B 1,1 P 1,2 P 2,1 ) (( P 1,2 P 2,1 ) B 1,1 ) 4. Distributivgesetz löst Disjunktionen von Konjunktionen auf: ( B 1,1 P 1,2 P 2,1 ) ( P 1,2 B 1,1 ) ( P 2,1 B 1,1 ) Logische Agenten Logische Agenten / 45 Resolutionsalgorithmus und Widerspruch Inferenzalgorithmen für die Resolutionsregel arbeiten mit der Beweistechnik des Widerspruchs: Wir zeigen, dass ein Satz aus der Wissensbasis KB gefolgert werden kann, d.h. KB =, indem wir zeigen, dass es kein Modell in KB gibt, welches erfüllt, d.h. (KB = ) nicht erfüllbar ist. Wir verwenden einen Widerspruchsbeweis Logische Agenten Logische Agenten / 46 23

24 Ein Resolutionsalgorithmus in der Aussagenlogik 1. (KB ) wird in KNF transformiert 2. Resolutionsregel wird auf die resultierenden Klauseln angewendet. Jedes Paar, das komplementäre Literale enthält, wird aufgelöst (resolviert), um eine neue Klausel zu erzeugen. 3. Die neue Klausel wird zur Klauselmenge hinzugefügt, falls sie noch nicht darin enthalten ist. Dieser Prozess wird fortgesetzt, bis eines von zwei Dingen passiert: Es gibt keine neuen Klauseln, die hinzugefügt werden können, dann ist nicht aus folgerbar, oder eine Anwendung der Resolutionsregel leitet die leere Klausel ab, dann ist aus folgerbar. Was bedeutet die leere Klausel? Logische Agenten Logische Agenten / 47 Leere Klausel Die leere Klausel - eine Disjunktion ohne Disjunkte - ist äquivalent mit false, weil eine Disjunktion nur dann wahr ist, wenn mindestens eines ihrer Disjunkte wahr ist. Eine andere Möglichkeit zu erkennen, dass eine leere Klausel einen Widerspruch darstellt, ist die Beobachtung, dass sie nur aus der Resolution von zwei komplementären Einheitsklauseln wie etwa P und P entsteht Logische Agenten Logische Agenten / 48 24

25 Resolutionsprozedur in der Wumpus-Welt Wenn sich der Agent in Feld [1,1] befindet, spürt er keinen Luftzug; es kann also keine Falltür auf benachbarten Quadraten sein. Die relevante Wissensbasis lautet: KB = R 2 R 4 = (B 1,1 (P 1,2 P 2,1 )) B 1,1 Wir wollen beweisen, dass z.b. = P 1,2 gilt. Zuerst wird (KB ) das ist dasselbe wie (KB = ) in KNF umgewandelt: ( P 1,2 B 1,1 ) ( B 1,1 P 1,2 P 2,1 ) ( P 1,2 B 1,1 ) ( B 1,1 ) (P 1,2 ) Logische Agenten Logische Agenten / 49 Anwenden der Resolution auf (KB ) P 2,1 B 1,1 B 1,1 P 1,2 P 2,1 P 1,2 B 1,1 B 1,1 P 1,2 B 1,1 P 1,2 B 1,1 B 1,1 P 2,1 B 1,1 P 2,1 P 1,2 P 2,1 P 2,1 P 1,2 P 2,1 P 2,1 P 1,2 Da durch die Anwendung der Resolution die Klausel abgeleitet wird, ist gezeigt, dass (KB ) nicht erfüllbar ist. Die Annahme von führt zu einem Widerspruch, was besagt, dass = P 1,2 wahr ist. Es gibt also in Feld [1,2] keine Falltür Logische Agenten Logische Agenten / 50 25

26 Resolutionstheorem Das Vollständigkeitstheorem für die Resolution wird als Resolutionstheorem bezeichnet: Wenn eine Menge von Klauseln nicht erfüllbar ist, enthält der Resolutionsschluss dieser Klauseln die leere Klausel. Das Resolutionstheorem wird dadurch bewiesen, indem das Gegenteil gezeigt wird: Wenn der Abschluss RC(S) die leere Klausel nicht enthält, ist S erfüllbar Logische Agenten Logische Agenten / 51 Vorwärts- und Rückwärtsverkettung Die Vollständigkeit der Resolution macht sie zu einer wichtigen Inferenz-Methode. In vielen praktischen Situationen braucht man nicht die ganze Leistungsfähigkeit der Resolution. Wissensbasen aus der realen Welt enthalten oft nur eingeschränkte Klauseln, so genannte Horn- Klauseln. Eine Horn-Klausel ist eine Disjunktion von Literalen, von denen höchstens eine positiv ist. Beispiel: Die Klausel ( L 1,1 Breeze B 1,1 ), wobei L 1,1 die Position des Agenten auf dem Quadrat [1,1] angibt, ist eine Horn-Klausel, während ( B 1,1 P 1,2 P 2,1 ) das nicht ist. Die Beschränkung auf Horn-Klauseln hat drei wichtige Gründe! Logische Agenten Logische Agenten / 52 26

27 Horn-Klauseln Drei wichtige Gründe für Horn-Klauseln: 1. Jede Horn-Klausel kann als Implikation geschrieben werden, deren Prämisse eine Konjunktion positiver Literale und deren Schluss ein einziges positives Literal ist. Beispiel: Die Horn-Klausel ( L 1,1 Breeze B 1,1 ) kann als Implikation (L 1,1 Breeze) B 1,1 geschrieben werden. Als Implikation ist der Satz einfacher zu lesen: er besagt, dass, wenn ein Agent sich auf Quadrat [1,1] befindet und dort ein Luftzug zu spüren ist, dann ist [1,1] windig. Breeze ist die aktuelle Wahrnehmung. B 1,1 ist die Tatsache (Fakt), dass auf Quadrat [1,1] ein Luftzug besteht Logische Agenten Logische Agenten / 53 27